[发明专利]一种面向博弈控制的隐私保护方法、系统及可读存储介质

说明书

本发明公开了一种面向博弈控制的隐私保护方法、系统及可读存储介质，属于机器学习安全技术领域，包括：初始化博弈参与者在初始时刻的策略和局部估计状态信息；采用基于输入扰动或输出扰动的随机聚合博弈的差分隐私分布式算法对每个参与者的下一时刻的局部估计状态和策略进行更新；利用更新后的策略完成差分隐私保护。本发明提出的分布式算法来计算随机聚合博弈中的均衡，同时保持(ε,δ)‑差分隐私性，不会被对手通过访问通信所推测。

技术领域

本发明涉及机器学习安全技术领域，特别涉及一种面向博弈控制的隐私保护方法、系统及可读存储介质。

背景技术

博弈论是研究以自我利益为主的智能体或参与者之间互动行为的标准工具，因其广泛的应用和技术挑战而受到了广泛的关注。当参与者无法直接观察到非临近参与者的行为时，基于领导者-追随者共识协议和基于隐含消息的协议，学者们提出了分布式纳什均衡寻求策略。非合作博弈中的热点研究为聚合博弈，其中参与者的收益或损失取决于他自己的行为以及其他参与者采取的行为的总和。聚合博弈中最显著的例子是经济学上的古诺(Cournot)竞争，插电式电动汽车的充电控制和道路网络上的路线选择等。

现有研究提出了聚合博弈的分布式算法，以研究多用户优化问题和具有随机凸目标的Nash博弈。但如果智能体的训练数据中包含敏感信息(例如工资或病历信息)，这些方法可能导致智能体之间的通信会带来隐私问题，参与者或窃听者可以通过观察上述算法在计算均衡过程中的变量来推断其他参与者有关损失函数的敏感信息，造成通信过程中的隐私泄露，比如：

(1)经济学中的古诺竞争

在古诺寡头垄断中，企业们以提供产品的形式进行竞争，目标是利润最大化。每个企业的利润取决于其生产成本和市场价格，而市场价格取决于所有企业在市场上提供的产品总量。在实际应用中，生产成本和市场价格都是不确定的，每个供应商的成本信息都是其商业机密，而对手试图利用观察到的信息序列来推断其他参与者的敏感信息，推断出私人成本函数。

(2)电动汽车充电

在未来几年中，电动汽车有望大量进入市场，因此，协调它们的充电时间是个很重要的问题。通过假设电价取决于总消费，有学者将电动汽车的充电问题公式化为一个聚合博弈，并提出了基于最优响应或梯度步长的分散方案。但当对手对所有通信都具有潜在访问权时，这一方法可能会导致隐私泄露。

(3)道路网络上的路线选择

在人口稠密的城市中，交通拥堵是个常见的经济成本较高的问题。由于每个驾驶员都追求自己的利益偏好(比如最大限度地减少旅程时间)且会受到其他驾驶员行为的影响，因此经典方法是将交通问题建模为一种博弈。具体而言，通过将道路通行限制表示为耦合约束，学者们研究了具有耦合约束的聚合博弈中的纳什均衡求解问题。但驾驶员的出发地和目的地很容易被用作推断其活动路径的基础，这种时空信息非常敏感，迫切需要加以保护。

综上，目前迫切需要一种隐私保护方法来确保通信过程中不会泄露隐私。

发明内容

本发明的目的在于克服上述背景技术中的不足，以在博弈收敛到唯一纳什均衡点的同时保护每个参与者的隐私不被泄露。

为实现以上目的，一方面，采用一种初始化博弈参与者在初始时刻的策略和局部估计状态信息；

采用基于输入扰动或输出扰动的随机聚合博弈的差分隐私分布式算法对每个参与者的下一时刻的局部估计状态和策略进行更新；

利用更新后的策略完成差分隐私保护。

进一步地，所述采用基于输入扰动的随机聚合博弈的差分隐私分布式算法对每个参与者的下一时刻的局部估计状态和策略进行更新，包括：

在时刻k，对于参与者定义重复以下更新τ_k次：